Thinking Machines 인재 이탈, AI 채용시장은 ‘넓은 회복’보다 ‘핵심 인력 쟁탈’에 가깝다

전 OpenAI CTO 미라 무라티가 세운 AI 스타트업 Thinking Machines Lab에서 초기 핵심 인력이 잇따라 경쟁사로 이동하고 있다. 회사는 제품을 넓게 공개하기 전 20억 달러 규모의 투자를 유치하고 직원 수를 150명 이상으로 키웠지만, 창립 초기 42명 중 13명이 떠난 것으로 보도됐다.

이번 흐름은 한 스타트업의 내부 인사 문제로만 보기 어렵다. Meta, OpenAI, xAI 같은 대형 AI 기업들이 모델 개발 경험을 가진 연구자와 엔지니어를 적극적으로 영입하면서, 미국 AI 채용시장이 전체적으로 회복됐다기보다 일부 핵심 인력 시장을 중심으로 과열되고 있음을 보여준다.

핵심 사실은 세 가지다. 첫째, Thinking Machines Lab은 출범 1년여 만에 창립 멤버의 약 3분의 1을 잃었다. 둘째, 이탈자 중에는 공동창업자급 인력도 포함됐고, 일부는 OpenAI와 Meta로 이동했다. 셋째, 회사는 동시에 신규 인재를 계속 영입하고 있으며, 5월 11일 음성·영상·텍스트를 실시간으로 처리하는 ‘interaction models’ 연구 프리뷰를 공개했다.

‘interaction model’은 기존 챗봇처럼 사용자가 질문을 끝낸 뒤 답하는 방식에서 한 걸음 더 나아간 개념이다. 사람이 말하고 움직이는 흐름을 계속 받아들이면서 반응하는 모델을 뜻한다. 실시간 통역, 사용자의 행동을 보며 적절한 순간에 피드백을 주는 기능, 대화 중 끼어들기와 수정 요청을 자연스럽게 처리하는 인터페이스가 여기에 포함된다. AI가 단순 문서 작성 도구에서 업무 현장에 더 가까운 협업 도구로 이동하고 있다는 신호로 볼 수 있다.

다만 이 뉴스의 더 큰 의미는 기술 시연보다 인력 시장에 있다. AI 기업들은 지금 모델 자체만이 아니라, 모델을 실제 제품과 업무 흐름에 연결할 수 있는 사람을 놓고 경쟁하고 있다. 대규모 모델 훈련 경험, 추론 속도 개선, 음성·영상 데이터 처리, 안전성 평가, 제품화 경험을 가진 인력은 공급이 제한적이다. 이 때문에 일부 최상위 인력에게는 일반 소프트웨어 엔지니어 보상과 비교하기 어려운 패키지가 제시되고 있다.

여기서 주의할 점은 이 흐름을 전체 테크 채용시장으로 확대 해석하지 않는 것이다. Challenger, Gray & Christmas의 4월 고용감축 보고서에 따르면 미국 기업들은 4월 8만3,387명의 감원을 발표했다. 이 가운데 AI가 사유로 언급된 감원은 2만1,490명으로 전체의 26%였다. 같은 시기 최상위 AI 연구자에게는 높은 보상이 몰리고, 일반 기술·운영·지원 직무는 자동화와 조직 재설계 압력을 받는 양면성이 동시에 나타나고 있다.

보스턴권 독자에게는 이 지점이 중요하다. MIT, Harvard, Northeastern, Boston University, UMass 계열에서 AI·컴퓨터공학·로보틱스·바이오인포매틱스를 공부하는 학생들에게 AI 시장은 여전히 의미 있는 진로 선택지다. 그러나 ‘AI를 쓸 줄 안다’는 수준만으로는 차별화가 어려워지고 있다. 기업들이 더 많이 찾는 역량은 모델을 평가하고, 데이터 품질을 관리하고, 기존 업무 시스템에 AI를 붙이고, 보안·프라이버시·규제 리스크를 함께 다루는 능력에 가깝다.

현직자에게도 메시지는 비슷하다. AI가 모든 직무를 같은 방향으로 줄인다고 보기보다, 회사가 어떤 업무를 자동화하고 어떤 업무에 사람을 더 배치하는지 봐야 한다. 고객 대응, 내부 문서 처리, 마케팅 운영, 코드 리뷰처럼 반복성이 높은 영역은 재설계 압력이 커질 수 있다. 반대로 AI 도구를 실제 매출, 비용 절감, 품질 개선으로 연결하는 제품 매니저, 데이터 엔지니어, 보안 엔지니어, AI 평가 담당자, 도메인 전문가의 역할은 더 분명해질 수 있다.

유학생과 취업비자 스폰서십을 고려하는 구직자는 회사 유형을 더 세밀하게 비교할 필요가 있다. 대형 기술기업은 보상과 비자 지원 체계가 상대적으로 정비돼 있는 경우가 많지만, 조직개편과 채용 동결 가능성도 함께 봐야 한다. 초기 스타트업은 성장성과 지분 보상이 매력일 수 있으나, 1년 클리프처럼 일정 기간 뒤 주식 보상이 처음 확정되는 구조, 현금 보상, 비자 지원 경험, 해고 시 체류 일정에 미칠 수 있는 영향 등을 사전에 확인하는 것이 현실적이다. 이는 일반 정보이며 개인별 비자 판단은 학교 국제학생 오피스나 이민 변호사 등 전문가와 확인해야 한다.

창업 관심자에게는 보상 설계와 인재 유지가 더 큰 과제가 되고 있다. Thinking Machines 사례는 막대한 투자금이 있어도 핵심 인력을 오래 묶어두기 쉽지 않다는 점을 보여준다. 보스턴의 AI·바이오·로보틱스 스타트업도 유명 연구자 영입만큼이나, 초기 직원이 왜 남아야 하는지 설명할 수 있는 제품 로드맵, 연구 자율성, 지분 구조, 고객 검증 전략을 갖춰야 한다.

지금 취업이나 이직을 준비하는 독자가 볼 포인트는 비교적 분명하다. 채용공고에서 단순히 ‘AI 경험 우대’라는 문구보다 어떤 업무 지표를 개선하려는지, 모델 개발인지 응용 제품화인지, 내부 자동화인지 고객용 서비스인지 구분해서 봐야 한다. 포트폴리오도 프롬프트 사용 사례만 보여주기보다 데이터 파이프라인, 평가 기준, 실패 사례 수정, 실제 사용자 흐름에 AI를 넣은 경험을 설명하는 쪽이 설득력을 가질 수 있다.

Thinking Machines의 인재 이탈은 AI 산업이 약해졌다는 신호라기보다, AI 시장의 보상이 더 좁고 선명한 곳으로 몰리고 있다는 신호에 가깝다. 보스턴의 한인 유학생과 직장인에게 중요한 것은 과열된 보상 뉴스에 휩쓸리는 것이 아니라, 자신이 서 있는 직무가 자동화 압력을 받는지, AI를 운영하고 검증하는 쪽으로 확장 가능한지, 그리고 회사가 실제로 어떤 역량에 돈을 쓰는지를 차분히 확인하는 일이다.